CN114492994A - 一种基于电力大数据的电力信息处理***、方法及装置 - Google Patents
一种基于电力大数据的电力信息处理***、方法及装置 Download PDFInfo
- Publication number
- CN114492994A CN114492994A CN202210089734.6A CN202210089734A CN114492994A CN 114492994 A CN114492994 A CN 114492994A CN 202210089734 A CN202210089734 A CN 202210089734A CN 114492994 A CN114492994 A CN 114492994A
- Authority
- CN
- China
- Prior art keywords
- data
- power
- intrusion
- normal
- detection module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000010365 information processing Effects 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 238000007405 data analysis Methods 0.000 claims abstract description 56
- 238000012216 screening Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims description 69
- 238000012549 training Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 14
- 238000003672 processing method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 241000700605 Viruses Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Power Engineering (AREA)
Abstract
本申请涉及一种基于电力大数据的电力信息处理***、方法及装置。所述***包括中控台以及与中控台连接的云服务器、电力检测模组和环境检测模组;电力检测模组用于采集发电机组的运行数据,环境检测模组用于采集发电机组周围的外界环境数据;云服务器用于采集用户端的用电数据,并基于GRU模型从用电数据中筛选出正常用电数据;还用于对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案;中控台用于***数据传输,还用于显示配电方案。该***能够从电力数据中寻找电网运行规律,优化了用户端的配电情况、提高了用户使用感。
Description
技术领域
本申请涉及电力数据处理技术领域,特别是涉及一种基于电力大数据的电力信息处理***、方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
电力大数据是一场变革,它不仅改变了电网、厂商的发展,还改变了电力***今后的运作方式,很多人认为,大数据的主要作用就是帮助电力厂商更准确地了解企业动向,事实上,大数据的功用远不止这些,大数据将在很大程度上影响电力行业的决策和解决方案,与其相辅相成的是,电力行业对大数据的需求,其迫切性也大大超越其他基础能源。
目前电力***中的信息处理***无法对大数据下的电力信息进行处理。
综上所述,本发明通过设计一种基于电力大数据的电力信息处理***、方法及装置来解决上述存在的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对电力数据进行安全检测及通过数据分析得到合理配电方案的电力信息处理***、方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于电力大数据的电力信息处理***。所述***中控台以及与中控台连接的云服务器、电力检测模组和环境检测模组;
电力检测模组和环境检测模组设置在发电机机房内,电力检测模组用于采集发电机组的运行数据,环境检测模组用于采集发电机组周围的外界环境数据;
云服务器用于采集用户端的用电数据,并基于GRU模型从用电数据中筛选出正常用电数据;还用于对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案;其中,用电数据包括用电量、用电时长、用电峰值和用电波谷;
中控台用于***数据传输,还用于显示配电方案。
其进一步的技术方案为,所述基于GRU模型从用电数据中筛选出正常用电数据,包括:
将用电数据按照数据类型进行分类,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;数据类型包括Protocol_type、Service和Flag三种符号型;
基于GRU模型对归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对正常用电数据进行数据分析;若检测结果表现为入侵数据,则将入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
其进一步的技术方案为,所述还用于对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案包括,云服务器中搭载有大数据分析模型:
将正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型;其中,数据类型包括Protocol_type、Service和Flag三种符号型;
将类型统一后的所有数据输入至大数据分析模型中,大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
其进一步的技术方案为,电力检测模组包括支持无线数据接发的发电机组测试仪;环境检测模组包括支持无线数据接发的温湿度传感器、气压检测仪和风速传感器。
第二方面,本申请还提供了一种基于电力大数据的电力信息处理方法。所述方法基于云服务器实现,包括:
采集用户端的用电数据,用电数据包括用电量、用电时长、用电峰值和用电波谷;
基于GRU模型从用电数据中筛选出正常用电数据;
对正常用电数据以及外部发送的发电机组的运行数据、外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
其进一步的技术方案为,所述基于GRU模型从用电数据中筛选出正常用电数据,包括:
将用电数据按照数据类型进行分类,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;数据类型包括Protocol_type、Service和Flag三种符号型;
基于GRU模型对归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对正常用电数据进行数据分析;若检测结果表现为入侵数据,则将入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
其进一步的技术方案为,所述对正常用电数据以及外部发送的发电机组的运行数据、外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,包括:
将正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型;其中,数据类型包括Protocol_type、Service和Flag三种符号型;
将类型统一后的所有数据输入至大数据分析模型中,大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
其进一步的技术方案为,所述方法还包括,创建并训练GRU模型:
采用高斯分布随机初始化GRU模型的各项参数,设置GRU模型的损失函数为交叉熵损失函数,权值更新规则采用基于时序的反向传播算法进行权值更新;
选定入侵样本数据组成入侵检测标准数据集,以此作为模型的训练集;对训练集进行预处理,并将预处理后的训练集按照样本数据的时间排列顺序依次输入至GRU模型,完成网络训练过程;
将模型检测出的入侵数据与训练集中的各个样本数据进行逐一匹配,若匹配未成功,则表明检测出的入侵数据为未知入侵数据,将未知入侵数据加入训练集,每隔预设时间段采用更新后的训练集重新训练GRU模型,直至得到满足性能指标的GRU模型。
第三方面,本申请还提供了一种基于电力大数据的电力信息处理装置。所述装置基于云服务器实现,包括:
数据采集单元,用于采集用户端的用电数据,并传输给安全检测单元;其中,用电数据包括用电量、用电时长、用电峰值和用电波谷;
安全检测单元,用于基于GRU模型从用电数据中筛选出正常用电数据;
数据分析单元,用于对正常用电数据以及外部发送的发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
其进一步的技术方案为,所述装置还包括数据存储单元,用于存储其他单元生成的数据以及配电方案,还用于存储外部发送的发电机组的运行数据和外界环境数据。
第四方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第二方面提供的方法的步骤。
第五方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第二方面提供的方法的步骤。
第六方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第二方面提供的方法的步骤。
上述基于电力大数据的电力信息处理***、方法、装置、计算机设备、存储介质和计算机程序产品,通过对用户端的正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,并利用中控台进行展示,该***解决了对大数据下的电力信息进行处理的问题,基于大数据分析模型从数据中寻找电网运行规律,优化了用户端的配电情况、提高用户使用感;
进一步的,基于训练好的GRU模型对用户端的用电数据进行安全检测,避免外界网络病毒进入云服务器内,导致电力***受损影响其他用户端的用电。
附图说明
图1为一个实施例中基于电力大数据的电力信息处理***的结构示意图;
图2为一个实施例中基于电力大数据的电力信息处理方法的流程示意图;
图3为一个实施例中筛选正常用电数据步骤的流程示意图;
图4为另一个实施例中基于电力大数据的电力信息处理方法的流程示意图;
图5为一个实施例中基于电力大数据的电力信息处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于电力大数据的电力信息处理***,所述***包括中控台1以及与中控台1连接的云服务器2、电力检测模组3和环境检测模组4。
可选的,电力检测模组3与中控台1以及环境检测模组4与中控台1连接方式均为电性连接,云服务器2与中控台1之间通过HTTPS进行无线传输。
电力检测模组3和环境检测模组4设置在发电机机房内,电力检测模组3用于采集发电机组的运行数据,环境检测模组4用于采集发电机组周围的外界环境数据。
可选的,电力检测模组3包括支持无线数据接发的发电机组测试仪。环境检测模组4包括支持无线数据接发的温湿度传感器、气压检测仪和风速传感器。
云服务器2用于采集用户端的用电数据,并基于GRU模型从用电数据中筛选出正常用电数据。其中,用电数据包括用电量、用电时长、用电峰值和用电波谷。
可选的,云服务器2通过互联网采集用电数据。
云服务器2还用于对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
中控台1用于***数据传输,还用于显示配电方案。
在本实施例中,该***通过对用户端的正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,并利用中控台1进行展示,该***解决了对大数据下的电力信息进行处理的问题,通过得到的配电方案优化了用户端的配电情况、提高用户使用感。
进一步的,在云服务器2中,基于GRU模型从用电数据中筛选出正常用电数据,包括:
1)将用电数据按照数据类型进行分类存储,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;数据类型包括Protocol_type、Service和Flag三种符号型。
2)基于GRU模型对归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对正常用电数据进行数据分析。若检测结果表现为入侵数据,则将入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
在本实施例中,由于云服务器2通过互联网采集用电数据,不同传感器采集和传输用户的用电量、用电时长、用电峰值以及用电波谷等数据的类型不同,因此将用电数据进行预处理,便于云服务器2的统一管理和基于模型的检测,减轻***的运算量、提高检测效率;基于训练好的GRU模型对用户端的用电数据进行安全检测,避免外界网络病毒进入云服务器2内,导致电力***受损影响其他用户端的用电。在实际情况中,用户也可以根据自身要求对数据类型进行替换和更改。
进一步的,在云服务器2中,还用于对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案包括,云服务器2中搭载有大数据分析模型:
1)将正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型。其中,数据类型包括Protocol_type、Service和Flag三种符号型。
2)将类型统一后的所有数据输入至大数据分析模型中,大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
在本实施例中,将传输至***的大数据类型进行统一,便于后续的数据分析和管理,基于本领域已有的大数据分析模型,从数据中寻找电网运行规律,构建给出合理运用电网运行规律的配电方案,解决了对大数据下的电力信息进行处理的问题,通过得到的配电方案优化了用户端的配电情况、提高用户使用感。
在一个实施例中,如图2所示,提供了一种基于电力大数据的电力信息处理方法,以该方法应用于图1中的云服务器为例进行说明,包括以下步骤:
步骤202,采集用户端的用电数据。
其中,用电数据包括用电量、用电时长、用电峰值和用电波谷。
步骤204,基于GRU模型从用电数据中筛选出正常用电数据。
步骤206,对正常用电数据以及外部发送的发电机组的运行数据、外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
在本实施例中,通过对用户端的正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,解决了对大数据下的电力信息进行处理的问题,通过得到的配电方案优化了用户端的配电情况、提高用户使用感。
进一步的,如图3所示,步骤204包括:
步骤302,将用电数据按照数据类型进行分类存储,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;数据类型包括Protocol_type、Service和Flag三种符号型。
步骤304,基于GRU模型对归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对正常用电数据进行数据分析;若检测结果表现为入侵数据,则将入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
本实施例中,由于不同传感器采集和传输用户的用电量、用电时长、用电峰值以及用电波谷等数据的类型不同,因此将用电数据进行预处理,便于后续利用GRU模型的检测,减轻模型运算量、提高检测效率;基于训练好的GRU模型对用户端的用电数据进行安全检测,避免外界网络病毒进入云服务器内,导致电力***受损影响其他用户端的用电。在实际情况中,用户也可以根据自身要求对数据类型进行替换和更改。
进一步的,步骤206包括:
1)将正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型;其中,数据类型包括Protocol_type、Service和Flag三种符号型。
2)将类型统一后的所有数据输入至大数据分析模型中,大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
在本实施例中,将各个类型的电力大数据进行统一,便于后续的数据分析和管理,基于本领域已有的大数据分析模型,从数据中寻找电网运行规律,构建给出合理运用电网运行规律的配电方案,解决了对大数据下的电力信息进行处理的问题,通过得到的配电方案优化了用户端的配电情况、提高用户使用感。
进一步的,所述方法还包括:
步骤203,创建并训练GRU模型:
1)采用高斯分布随机初始化GRU模型的各项参数,设置GRU模型的损失函数为交叉熵损失函数,权值更新规则采用基于时序的反向传播算法进行权值更新。
2)选定入侵样本数据组成入侵检测标准数据集,以此作为模型的训练集。对训练集进行预处理,并将预处理后的训练集按照样本数据的时间排列顺序依次输入至GRU模型,完成网络训练过程。
3)将模型检测出的入侵数据与训练集中的各个样本数据进行逐一匹配,若匹配未成功,则表明检测出的入侵数据为未知入侵数据,将未知入侵数据加入训练集,每隔预设时间段采用更新后的训练集重新训练GRU模型,直至得到满足性能指标的GRU模型。
可选的,在本实施例中,满足性能指标的GRU模型是指将检测率高于99%且漏警率低于5%时的GRU模型作为训练好的GRU模型。
在本实施例中,采用入侵检测标准数据集对GRU模型进行训练,在训练过程中,将模型未检测出的入侵数据补充到训练集中反复训练,提升了GRU模型的正确率,避免出现误检情况。
在另一个实施例中,如图4所示,提供了一种基于电力大数据的电力信息处理方法,以该方法应用于图1中多端交互的***为例进行说明,包括以下步骤:
步骤401,在云服务器中创建并训练GRU模型,包括:
1)采用高斯分布随机初始化GRU模型的各项参数,设置GRU模型的损失函数为交叉熵损失函数,权值更新规则采用基于时序的反向传播算法进行权值更新。
2)选定入侵样本数据组成入侵检测标准数据集,以此作为模型的训练集。对训练集进行预处理,并将预处理后的训练集按照样本数据的时间排列顺序依次输入至GRU模型,完成网络训练过程。
3)将模型检测出的入侵数据与训练集中的各个样本数据进行逐一匹配,若匹配未成功,则表明检测出的入侵数据为未知入侵数据,将未知入侵数据加入训练集,每隔预设时间段采用更新后的训练集重新训练GRU模型,直至得到满足性能指标的GRU模型。
可选的,在本实施例中,满足性能指标的GRU模型是指将检测率高于99%且漏警率低于5%时的GRU模型作为训练好的GRU模型。
步骤402,云服务器采集用户端的用电数据;电力检测模组采集发电机组的运行数据,环境检测模组采集发电机组周围的外界环境数据,并通过中控台传输给云服务器。
其中,用电数据包括用电量、用电时长、用电峰值和用电波谷。
步骤403,云服务器基于GRU模型从用电数据中筛选出正常用电数据,包括:
1)将用电数据按照数据类型进行分类存储,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;数据类型包括Protocol_type、Service和Flag三种符号型。
2)基于训练好的GRU模型对归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对正常用电数据进行数据分析;若检测结果表现为入侵数据,则将入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
步骤404,云服务器对正常用电数据以及外部发送的发电机组的运行数据、外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,并传输给中控台,包括:
1)将正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型;其中,数据类型包括Protocol_type、Service和Flag三种符号型。
2)将类型统一后的所有数据输入至大数据分析模型中,大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
步骤405,中控台对云服务器传输的配电方案进行显示。
在本实施例中,基于GRU模型对用户端的用电数据进行安全检测筛选出正常用电数据,在云服务器中基于大数据分析模型对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,解决了对大数据下的电力信息进行处理的问题,通过得到的配电方案优化了用户端的配电情况、提高用户使用感,减轻云服务器的运算量、提高检测效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于电力大数据的电力信息处理方法的电力信息处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于电力大数据的电力信息处理装置实施例中的具体限定可以参见上文中对于基于电力大数据的电力信息处理方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种基于电力大数据的电力信息处理装置,以该装置对应于图1中的云服务器为例进行说明,包括信息处理模块,该模块包括数据采集单元、安全检测单元、数据分析单元和数据存储单元,其中:
数据采集单元,用于采集用户端的用电数据,并传输给安全检测单元。其中,用电数据包括用电量、用电时长、用电峰值和用电波谷。
安全检测单元,用于基于GRU模型从用电数据中筛选出正常用电数据。
数据分析单元,用于对正常用电数据以及外部发送的发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
数据存储单元,用于存储其他单元生成的数据以及配电方案,还用于存储外部发送的发电机组的运行数据和外界环境数据。
该装置通过对用户端的用电数据进行安全检测筛选出正常用电数据,再对正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,解决了对大数据下的电力信息进行处理的问题,通过得到的配电方案优化了用户端的配电情况、提高用户使用感。
上述电力信息处理装置中的各个单元可全部或部分通过软件、硬件及其组合来实现。上述各单元可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个单元对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户端的用电数据以及发电机组的运行数据和外界环境数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于电力大数据的电力信息处理方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现云服务器提供的方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现云服务器提供的方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现云服务器提供的方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于电力大数据的电力信息处理***,其特征在于,所述***包括中控台以及与所述中控台连接的云服务器、电力检测模组和环境检测模组;
所述电力检测模组和环境检测模组设置在发电机机房内,所述电力检测模组用于采集发电机组的运行数据,所述环境检测模组用于采集发电机组周围的外界环境数据;
所述云服务器用于采集用户端的用电数据,并基于GRU模型从所述用电数据中筛选出正常用电数据;还用于对所述正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案;其中,所述用电数据包括用电量、用电时长、用电峰值和用电波谷;
所述中控台用于***数据传输,还用于显示所述配电方案。
2.根据权利要求1所述的***,其特征在于,所述基于GRU模型从所述用电数据中筛选出正常用电数据,包括:
将所述用电数据按照数据类型进行分类,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对所述特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;所述数据类型包括Protocol_type、Service和Flag三种符号型;
基于GRU模型对所述归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对所述正常用电数据进行数据分析;若检测结果表现为入侵数据,则将所述入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
3.根据权利要求1所述的***,其特征在于,所述还用于对所述正常用电数据、发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案包括,所述云服务器中搭载有大数据分析模型:
将所述正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型;其中,所述数据类型包括Protocol_type、Service和Flag三种符号型;
将类型统一后的所有数据输入至所述大数据分析模型中,所述大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
4.根据权利要求1所述的***,其特征在于,所述电力检测模组包括支持无线数据接发的发电机组测试仪;所述环境检测模组包括支持无线数据接发的温湿度传感器、气压检测仪和风速传感器。
5.一种基于电力大数据的电力信息处理方法,其特征在于,所述方法基于云服务器实现,包括:
采集用户端的用电数据,所述用电数据包括用电量、用电时长、用电峰值和用电波谷;
基于GRU模型从所述用电数据中筛选出正常用电数据;
对所述正常用电数据以及外部发送的发电机组的运行数据、外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
6.根据权利要求5所述的方法,其特征在于,所述基于GRU模型从所述用电数据中筛选出正常用电数据,包括:
将所述用电数据按照数据类型进行分类,再对不同类型的数据进行二进制化处理、转化为数值型的特征数据,并对所述特征数据进行归一化处理,归一化公式为:
其中,xmax与xmin分别表示原始特征数据取值范围的最大值与最小值,x表示原始特征数据,xn为归一化后的特征数据;所述数据类型包括Protocol_type、Service和Flag三种符号型;
基于GRU模型对所述归一化后的特征数据进行安全检测,若检测结果表现为正常用电数据,则允许对所述正常用电数据进行数据分析;若检测结果表现为入侵数据,则将所述入侵数据隔离后再删除,并切断与提供入侵数据的用户端之间的数据连接。
7.根据权利要求5所述的方法,其特征在于,所述对所述正常用电数据以及外部发送的发电机组的运行数据、外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案,包括:
将所述正常用电数据、发电机组的运行数据和外界环境数据进行识别和分类,并转换为统一的数据类型;其中,所述数据类型包括Protocol_type、Service和Flag三种符号型;
将类型统一后的所有数据输入至大数据分析模型中,所述大数据分析模型用于对输入的数据进行分析,从数据中寻找电网运行规律,并构建给出合理运用电网运行规律的配电方案。
8.根据权利要求5-7任一所述的方法,其特征在于,所述方法还包括,创建并训练所述GRU模型:
采用高斯分布随机初始化GRU模型的各项参数,设置所述GRU模型的损失函数为交叉熵损失函数,权值更新规则采用基于时序的反向传播算法进行权值更新;
选定入侵样本数据组成入侵检测标准数据集,以此作为模型的训练集;对所述训练集进行预处理,并将预处理后的训练集按照样本数据的时间排列顺序依次输入至GRU模型,完成网络训练过程;
将模型检测出的入侵数据与所述训练集中的各个样本数据进行逐一匹配,若匹配未成功,则表明检测出的入侵数据为未知入侵数据,将所述未知入侵数据加入训练集,每隔预设时间段采用更新后的训练集重新训练GRU模型,直至得到满足性能指标的GRU模型。
9.一种基于电力大数据的电力信息处理装置,其特征在于,所述装置基于云服务器实现,包括:
数据采集单元,用于采集用户端的用电数据,并传输给安全检测单元;其中,所述用电数据包括用电量、用电时长、用电峰值和用电波谷;
安全检测单元,用于基于GRU模型从所述用电数据中筛选出正常用电数据;
数据分析单元,用于对所述正常用电数据以及外部发送的发电机组的运行数据和外界环境数据进行数据分析,得到合理运用电网运行规律的配电方案。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括数据存储单元,用于存储其他单元生成的数据以及配电方案,还用于存储外部发送的发电机组的运行数据和外界环境数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210089734.6A CN114492994A (zh) | 2022-01-25 | 2022-01-25 | 一种基于电力大数据的电力信息处理***、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210089734.6A CN114492994A (zh) | 2022-01-25 | 2022-01-25 | 一种基于电力大数据的电力信息处理***、方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114492994A true CN114492994A (zh) | 2022-05-13 |
Family
ID=81474857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210089734.6A Pending CN114492994A (zh) | 2022-01-25 | 2022-01-25 | 一种基于电力大数据的电力信息处理***、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114492994A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600014A (zh) * | 2022-12-14 | 2023-01-13 | 浙江万胜智能科技股份有限公司(Cn) | 一种基于用电特征的个性化配电配置方法及*** |
-
2022
- 2022-01-25 CN CN202210089734.6A patent/CN114492994A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600014A (zh) * | 2022-12-14 | 2023-01-13 | 浙江万胜智能科技股份有限公司(Cn) | 一种基于用电特征的个性化配电配置方法及*** |
CN115600014B (zh) * | 2022-12-14 | 2024-02-20 | 浙江万胜智能科技股份有限公司 | 一种基于用电特征的个性化配电配置方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018208451A1 (en) | Real time detection of cyber threats using behavioral analytics | |
CN110428127B (zh) | 自动化分析方法、用户设备、存储介质及装置 | |
CN109495513B (zh) | 无监督的加密恶意流量检测方法、装置、设备及介质 | |
CN111343143B (zh) | 数据识别方法、装置及存储介质 | |
CN108805174A (zh) | 聚类方法及装置 | |
CN109815085B (zh) | 告警数据的分类方法、装置和电子设备及存储介质 | |
CN111898247A (zh) | 滑坡位移预测方法、设备及存储介质 | |
CN113704389A (zh) | 一种数据评估方法、装置、计算机设备及存储介质 | |
CN114492994A (zh) | 一种基于电力大数据的电力信息处理***、方法及装置 | |
CN112948223A (zh) | 一种监测运行情况的方法和装置 | |
CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
CN113746780A (zh) | 基于主机画像的异常主机检测方法、装置、介质和设备 | |
CN116432069A (zh) | 信息处理方法、服务提供方法、装置、设备及介质 | |
Ghimeş et al. | Neural network models in big data analytics and cyber security | |
CN115577259A (zh) | 高压直流输电***故障选极方法、装置和计算机设备 | |
CN115392361A (zh) | 一种智能排序方法、装置、计算机设备及存储介质 | |
CN117950949B (zh) | 微服务日志存储方法、装置、电子设备和计算机可读介质 | |
CN111461285B (zh) | 一种电动设备检测的方法和装置 | |
CN111400126B (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
CN114580792B (zh) | 膨化机工作状态识别方法、装置、计算机设备、存储介质 | |
CN116167829B (zh) | 一种多维多粒度用户行为分析方法 | |
CN113572768B (zh) | 一种僵尸网络家族传播源数量变化异常的分析方法 | |
CN116186583A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN114442151A (zh) | 标的物地震损失预警方法、装置、计算机设备及存储介质 | |
CN116415237A (zh) | 风险设备识别方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |